"深入探讨VQA2020：图表问答和视频问答领域新算法与数据集综述"

视觉问答（VQA）领域是计算机视觉和自然语言处理相结合的前沿领域之一。近年来，随着深度学习和神经网络的发展，VQA技术取得了显著进展，为机器实现对图像与视频内容提出问题并给出准确答案提供了新的可能性。在2020年的各大顶会上，视觉问答的研究得到了广泛关注，并针对不同方向的问题提出了新的方法和技术。 在WACV2020会议上，唐振华等人提出了一篇名为"Answering Questions about Data Visualizations using Efficient Bimodal Fusion"的文章，针对图表问答（CQA）这一领域进行了深入研究。他们指出传统的VQA方法在处理CQA问题时存在细粒度测量、光学字符识别和处理问题和答案外的单词等三个方面的不足，导致效果不佳。为此，他们提出了图像和语言的并行递归融合算法（PReFIL），通过融合图像和问题特征获得双模态嵌入，从而更准确地回答问题。该方法的贡献包括批判性总结当前CQA数据集的优缺点、使用众包收集DVQA数据集上的人的评估得分、PReFIL模型超过了人的表现并开源、首次提出多次问答的方式来重建表格、为数据可视化未来的发展提供了新的思路。 另一篇引人注目的文章是关于BERT Representations在视频问答（VQA）领域的应用。作者在WACV2020会议上展示了他们在TVQA和Pororo数据集上的最新研究成果。他们利用BERT模型对视频内容进行表示，从而实现更加准确和细致的对视频问题的回答。这一研究为将自然语言处理技术应用到视频问答领域开辟了新的研究方向，拓展了VQA技术的应用范围。 总的来说，2020年的视觉问答研究涵盖了各大顶会，并呈现出多样化的研究方向和创新思路。从图表问答到视频问答，从模型融合到数据集收集，各个方面都有新的突破和进展。随着技术的不断深入和发展，相信视觉问答领域将在未来取得更大的成就，为人工智能应用的进步提供更多的可能性和机遇。